论文总字数：25112字

摘 要

PCB缺陷检测是近年来十分热门的课题，PCB板图像十分复杂，直接进行缺陷查找是非常困难的，深度学习在理论上可以完成缺陷的检测与分类，但是目前在实际工程上并没有得到有效的运用。

本文首先介绍了采集图像的设备：工业CCD相机。介绍了CCD相机是如何得到高分辨率，噪声低的PCB图像的。随后，对CCD相机采集到的图像做平滑去噪操作，其中引入了3种滤波方式，根据得到的择优选择。由于滤波操作会使边缘变得模糊，所以接下来采用双sigmoid变换对图像上的边缘信息进行增强。图像分割部分是本文比较重要、核心的部分。首先本文论述了两种二元分割法：全阈值分割法和使用Otsu方法进行最佳全阈值处理，虽然Otsu方法能够得到缺陷位置信息，但是这两种分割方法的精度都太低，不适合对整张图像进行应用。所以随后，本文对提出了一种基于PCB设计图的方法对PCB实物图像进行分割，再利用基于euclidean距离的RGB色彩分割方法对区域图像做进一步分割。本文在图像分割这一块还研究了k-means算法，并给出了其分割效果。最后本文阐述了缺陷类型和产生原因。缺陷检测部分利用亮度差和色差完成了识别度较高的缺陷的检测与定位。

关键词：滤波处理；图像分割；缺陷检测；

detection of defects on PCBs

Abstract

PCB defect detection is a very popular topic in recent years, PCB board image is very complex, handling directly to find the defect is very difficult, deep learning in theory can complete the detection and classification of defects, but in the actual project it has not been effectively used. This paper firstly introduces the industrial CCD camera, which explains how to get high-resolution, low-noise PCB images. Subsequently, I do denoising operation on PCBs pictures captured by the CCD camera, in this part I introduced three kinds of filtering methods, according to the performance I choose the best method. As the filtering operation will make the edge become blurred, so the next use of double sigmoid transform was used on the edge of the image information to get enhanced edge. The most important of this paper is the image segmentation part, first of all, this paper discusses two binary segmentation method: full threshold segmentation Otsu method, the two kinds of segmentation method get very low accuracy. So in this paper, I propose a method based on PCB design charts to segment the PCB image, and then I use the RGB color segmentation method based on euclidean distance to further segment the regional image. In this paper, the k-means algorithm is also introduced in the image segmentation, and its segmentation effect is given. Finally, this paper describes the types of defects and their causes. In the defect detection part, according to brightness difference and color difference it is easy to complete the recognition of easily recognizable defects in the boards and simultaneously we will get the position of the defects.

Key words：filtering; image segementation; defect detection

目录

摘要 I

Abstract II

第一章 绪论 3

1.1 研究背景和意义 3

1.2 课题的来源和问题 5

1.3 国内外研究现状 5

1.4 研究内容和难点 6

1.5 论文结构安排 6

第二章 图像的获得与预处理 7

2.1 图像的获取方式 7

2.1.1 工业CCD相机的介绍 7

2.2 图像去噪 10

2.2.1 中值滤波 11

2.2.2 高斯低通滤波 11

2.2.3 均值滤波 12

2.3 基于sigmoid的边缘增强技术 13

2.4 本章小节 15

第三章 图像分割 16

3.1 利用灰度图进行分割 16

3.1.1 基本的全阈值分割法 16

3.1.2 使用Otsu进行最佳全阈值处理 19

3.2 根据设计图进行多区域分割 20

3.2.1 PCB设计图特征介绍 21

3.2.2 利用PCB设计图像进行分割的优势 21

3.2.3 利用PCB设计图进行分割的流程 22

3.3 本章小节 25

第四章 缺陷检测方法 26

4.1 缺陷的产生及分类 26

4.1.1 缺陷产生的原因 26

4.1.2 常见缺陷类别 26

4.2 缺陷的检测 26

4.2.1 基于亮度对比的划痕与污斑检测 26

4.2.2 再次利用euclidean距离检测漏焊缺焊 27

4.3 overfeat神经网络方法的可行性讨论 28

4.4 实验结果与讨论 28

第五章 总结与展望 30

5.1 总结 30

5.2 新的展望 30

致谢 31

参考文献 32

绪论

研究背景和意义

在如今的制造业中，通过人工对产品进行检测的方法效率低，成本高，所以自动视觉检测（AVI）系统的应用受到越来越大的关注。AVI系统是一种机械化系统，通过使用连接到智能系统的摄像机进行质量把关^[1]。缺陷监察是检测有缺陷的产品并使其远离客户的重要过程。人们可以从事检查过程，但由于诸如疲劳，连续持久性和无聊等问题，他们的工作往往是不可靠的。在某些情况下，例如当要检查的部件非常小并且生产率要求非常高时，不可能依靠手动检查。因此，AVI系统被开发并被运用到制造业中。它及时地检查出产品缺陷，这样操作人员便能在短时间内对缺陷产品进行处理。在工件制造业中，组装和测试过程变得越来越复杂，这将使得缺陷产生的可能性提高。这些缺陷可能导致现场故障，并可能导致客户不满意和退货，因此依靠可靠的检测系统来控制和保证产品质量显得尤其重要。

缺陷的不同来源导致缺陷类型各异（见图1.1为一些类型的缺陷）。

图1.1 各种类型的工件缺陷

（a）外来污染物（b）刮痕（c）裂痕（d）指纹状污染物（e）模具上的环氧树脂

剩余内容已隐藏，请支付后下载全文，论文总字数：25112字